IA et cancérologie, entre espoir et défiance 🩺

À l'occasion de la Journée mondiale contre le cancer, l’Arc met en lumière le rôle de l'IA dans la recherche. Une étude toulousaine illustre bien son utilisation. 

Décryptage

• La recherche contre le cancer franchit de nouvelles étapes grâce à l’intelligence artificielle, comme en témoignent les travaux menés à Toulouse.
• L'équipe NetB(IO) au Centre de recherche en cancérologie de Toulouse, mobilise la biologie numérique pour comprendre l’un des cancers les plus complexes et résistants aux traitements, celui qui touche le pancréas.
• L’objectif étant de « décrypter le microenvironnement tumoral, cet écosystème cellulaire encore mal compris, au sein duquel les cellules cancéreuses interagissent avec leur environnement », explique la Fondation Arc.
• « Comme nos recherches portent sur la science des données et les approches computationnelles pour comprendre le cancer, nous utilisons de plus en plus de méthodes dites d'IA, comme les modèles fondamentaux, pour extraire des motifs et des informations biologiques à partir de données complexes », précise Vera Pancaldi, responsable de l’équipe NetB(IO)

Le contexte

• « L’IA permet déjà de détecter certaines tumeurs jusqu’à cinq ans avant l’apparition des symptômes et pourra simuler la réponse des patients aux traitements », rappelle l’Arc.
• Alors que près de 70 % des établissements y ont déjà recours, notamment dans le diagnostic ou le traitement, un sondage OpinionWay réalisé en ligne en décembre dernier indique que 67% des 1012 répondants ne savent pas si l’intelligence artificielle est utilisée à l’hôpital.

Ils l'ont dit

• « L'IA s'intègre pourtant petit à petit dans la pratique clinique, en particulier dans le domaine de la cancérologie. Elle devrait notamment permettre une prévention et un dépistage plus personnalisés des cancers », souligne Éric Solary, vice-président de la Fondation Arc.
• Ajoutant :  « Son acceptation nécessite le respect de règles de transparence et d'éthique ».
• « Même si ces outils permettent de gagner du temps et prennent très bien en charge l’analyse d’images ou de données, leur utilisation comporte des limites liées aux biais dans l'entraînement des algorithmes. Ils ne sont pas toujours connus et peuvent générer des erreurs qui ne sont identifiées que par des personnes ayant un certain niveau d'expertise », tempère Vera Pancaldi.